Microsoft Beralih kepada Model MAI Dalaman untuk Mengurangkan Kos AI yang Meningkat

Apabila era "tokenmaxxing" beralih kepada pragmatisme fiskal, Microsoft sedang mengalihkan fokus strategiknya ke arah pembangunan AI dalaman. Gergasi teknologi tersebut dilaporkan sedang mengurangkan kebergantungannya kepada penyedia pihak ketiga seperti OpenAI dan Anthropic demi menggunakan model MAI proprietarinya sendiri untuk menguruskan perbelanjaan operasi yang semakin meningkat.

Peralihan daripada Model Pihak Ketiga kepada MAI Dalaman

Sepanjang sebahagian besar tahun lalu, Microsoft sangat bergantung kepada perkongsian strategiknya, memasarkan Office 365 sebagai kuasa utama yang dipacu oleh OpenAI dan Anthropic. Walau bagaimanapun, peralihan terbaharu dalam strategi penggunaan menunjukkan langkah ke arah integrasi menegak. Laporan menunjukkan bahawa Microsoft telah mula menggunakan model MAI buatannya sendiri untuk mengendalikan peratusan arahan (prompt) pengguna yang semakin meningkat dalam aplikasi produktiviti teras seperti Microsoft Excel dan Microsoft Word.

Dengan menyalurkan pertanyaan melalui infrastrukturnya sendiri, Microsoft dapat mengurangkan yuran pelesenan yang tinggi dan kos pengkomputeran yang berkaitan dengan panggilan API luaran secara signifikan. Peralihan ini menandakan detik penting bagi syarikat tersebut, beralih daripada menjadi pengedar utama kecerdasan pihak ketiga kepada ekosistem AI yang mampan sendiri.

Memperluas Ekosistem MAI dengan Keupayaan Agentic

Peralihan Microsoft bukan sekadar langkah penjimatan kos, tetapi merupakan pengembangan besar-besaran keupayaan teknikal dalamannya. Pada persidangan Build baru-baru ini, syarikat itu mempamerkan kedalaman penyelidikan dalamannya dengan mengumumkan pelancaran tujuh model MAI baharu. Ini bukan sekadar bot sembang (chatbot) biasa; ia adalah alatan khusus yang direka untuk tugas bernilai tinggi yang tertentu, termasuk pengkod agentic (agentic coder) dan penjana teks-ke-imej yang canggih.

Pengenalan model "agentic" ini adalah sangat penting. Tidak seperti LLM standard yang hanya meramal teks, model agentic direka untuk melaksanakan aliran kerja pelbagai langkah dan berinteraksi dengan persekitaran perisian. Dengan membangunkan ini secara dalaman, Microsoft memastikan ejen AI miliknya dioptimumkan secara mendalam untuk persekitaran Windows dan Office, sekali gus menyediakan pengalaman pengguna yang lancar yang mungkin sukar ditandingi oleh model pihak ketiga.

Trend Industri yang Lebih Luas ke Arah Kecekapan Kos AI

Microsoft bukanlah satu-satunya kes; ia adalah sebahagian daripada trend industri yang meluas di mana gergasi teknologi mengutamakan kecekapan berbanding skala mentah. Susulan tempoh perbelanjaan tanpa kawalan untuk pengkomputeran dan token, syarikat-syarikat termasuk Amazon, Uber, Meta, dan Accenture dilaporkan sedang mencari jalan untuk mengekang perbelanjaan AI mereka.

"Sticker shock" atau kejutan harga bagi inferens model kelas atasan telah menjadi halangan besar untuk mengekalkan margin keuntungan AI. Kos untuk menyediakan kecerdasan penaakulan tinggi masa nyata pada skala besar adalah sangat besar, menyebabkan sesetengah firma meneroka penyelesaian agentic yang lebih mampu milik, walaupun kontroversi, daripada pesaing antarabangsa. Langkah Microsoft untuk memperkukuh rangkaian MAI miliknya adalah isyarat jelas bahawa industri ini sedang memasuki "fasa kematangan," di mana pemenang akan ditentukan oleh keupayaan mereka untuk menyampaikan kecerdasan secara kos efektif.

Ringkasan Utama

  • Peralihan Strategik: Microsoft secara aktif menggantikan model OpenAI dan Anthropic dengan model MAI proprietarinya dalam produk utama seperti Excel dan Word untuk mengurangkan kos overhed API.
  • Alatan Khusus: Syarikat tersebut sedang mempelbagaikan portfolio dalamannya dengan tujuh model baharu, termasuk pengkod agentic, untuk beralih daripada penjanaan teks mudah kepada pelaksanaan tugas yang kompleks.
  • Realisme Ekonomi: Peralihan ini mencerminkan gerakan industri yang lebih luas dalam kalangan peneraju teknologi seperti Meta dan Amazon untuk beralih daripada "tokenmaxxing" yang mahal kepada penggunaan AI yang mampan dan dioptimumkan kosnya.